Балтийский регион
Baltic Region
ISSN: 2074-9848 (Print)
ISSN: 2310-0532 (Online)
RUS | ENG
Общество
Страницы 157-183

Факторы цифровизации местных администраций в Северо-Западном федеральном округе России: взгляд через социальные медиа

DOI:
10.5922/2079-8555-2024-2-9

Ключевые слова

Аннотация

Сегодня цифровые способы общения активно вошли в нашу жизнь, социальные медиа являются привычным каналом для личной и деловой коммуникации, которым пользуются и органы власти. В статье предложен подход, позволяющий выявить уровень цифровизации территории на основе присутствия органов местного самоуправления в социальных медиа. Целью работы является идентификация проблемных муниципальных образований Северо-Западного федерального округа России по использованию в деятельности местных администраций возможностей Интернета по данным социальной сети «ВКонтакте». Эмпирическую базу исследования составляют данные о 1083 поселениях, 199 районах и округах за период с 2011 по 2022 г. по социально-­экономическим характеристикам и сведениям о главе муниципального образования. С помощью бинарной логистической регрессии определяются значимые факторы, влияющие на уровень цифрового присутствия в социальных медиа. Для выявления искомых муниципалитетов проводится сопоставление результатов двух кластеризаций — по районным и поселенческим данным. Установлено, что численность населения, размер доходов и расходов бюджета, уровень бюджетной обеспеченности и средняя заработная плата положительно влияют на присутствие в социальных медиа, в то время как расстояние до регионального центра и принадлежность к районному центру оказывают отрицательное влияние. Вероятность появления в социальных медиа зависит от возраста, места проживания главы и способа его выдвижения на выборах. По результатам исследования четверть поселений была отнесена к требующим повышенного внимания при реализации мероприятий, направленных на развитие цифровых технологий и усиление присутствия в социальных медиа. Значительная часть этих поселений находится в Псковской, Новгородской и Вологодской областях.


Введение

Возникшие менее двух десятилетий назад, социальные медиа стали неотъемле­мой частью нашей жизни. Они представляют собой программный онлайн-комплекс, предназначенный для общения и установления социальных связей. Его содержание создается самими пользователями и состоит из размещенной информации о себе, сообщений, комментариев, аудиовизуального контента и невербальных откликов на сообщения [1]. Сегодня социальные медиа используют как в личном, так и в деловом общении. Благодаря приложениям на смартфонах люди, по сути, становятся доступны для сообщений круглосуточно семь дней в неделю, что позволяет им поддерживать высокий темп взаимодействия практически в реальном времени. От властей ожида­ют, что их способы коммуникации подстроятся под те, к которым привыкло населе­ние в социальных медиа при личном взаимодействии [2]. Органы государственной власти не могут игнорировать социальные медиа хотя бы из-за наличия там миллио­нов пользователей. По данным исследования «Digital 2023: The Russian Federation», 73,3 % населения России имеют учетные записи в социальных медиа1. Поэтому в них появились страницы губернаторов и мэров, стали вестись официальные группы различных министерств, ведомств и служб для информирования граждан. В 2020 г. по всей стране были созданы Центры управления регионом (ЦУР), главная задача которых — работа с сообщениями и жалобами в социальных медиа для обеспечения обратной связи органов власти с населением. С 1 декабря 2022 г. ведение официальных страниц в социальных медиа, находящихся в россий­ской юрисдикции («ВКонтакте», «Одноклассники»)2, для органов государственной власти, местного самоуправления, подведомственных организаций и судов стало обязательным3.

До принятия изменений в законодательстве отсутствие инициативы в ряде муниципалитетов по внедрению социальных медиа в работу местных органов власти можно объяснить низким уровнем цифровизации. Здесь под уровнем цифровизации муниципалитета мы понимаем наличие как соответствующей инфраструктуры, обеспечивающей стабильную работу Интернета на всей территории, так и необходимого оборудования и финансовых возможностей оплаты доступа для выхода в Интернет у населения. Эта причина была более актуальна для сельских территорий4, где процесс адаптации социальных медиа к работе местных администраций шел медленно и вызывал затруднения.

В данной статье мы хотим предложить подход, в котором социальные медиа используются как индикатор уровня цифровизации территории. Появление официальной страницы в социальных медиа таких консервативных организаций, как муниципальные администрации, может свидетельствовать о том, что значительная часть местного населения имеет доступ к этим медиа и активно ими пользуется. Иными словами, на территории есть широкополосный и (или) мобильный Интернет, а население обеспечено устройствами для выхода в него. Цель нашей работы — определить муниципальные образования Северо-Западного федерального округа России, наиболее проблемные по использованию в работе местных администраций возможностей сети Интернет, на основе факторов, способствующих появлению официальных групп в социальных медиа (на примере «ВКонтакте»). Логично предположить, что если на территории возникают сложности в работе органов власти в социальных медиа, то высока вероятность того, что в использовании других направлений цифровых технологий тоже возникают трудности. В условиях отсутствия официальной статистики развития информационно-телекоммуникационных технологий на муниципальном уровне в России косвенные методы оценки уровня цифровизации представляются чрезвычайно важными и актуальными.

Обзор литературы

За последние годы цифровая экономика стала одной из наиболее популярных тем среди российских экономистов. Впрочем, исследование вопросов ее территориаль­ной дифференциации в основном ограничивается региональным уровнем [3], [4], [5], [6]. Эта тенденция характерна не только для российских исследователей: в иностран­ной научной литературе муниципальный уровень практически не представлен из-за необходимости применения специализированных баз, не находящихся в открытом доступе [7], [8]. Основным методом решения данной проблемы было проведение со­циологических обследований с большими объемами выборок [9], [10], [11], что не всегда представляется возможным. Другим направлением является использование альтер­нативных источников данных. В российских работах стали применять карты опера­торов сотовой связи по зонам покрытия мобильным Интернетом [3], [12], появились метрики, характеризующие онлайн-торговлю по пунктам выдачи товаров [12]. Уро­вень детализации этих данных позволяет проводить исследования в разрезе муни­ципальных образований. Еще одной метрикой может выступать уровень самопре­зентации в сети Интернет, полученный с помощью оценки официальных сайтов поселений [13]. Нам не удалось обнаружить российские работы, которые для этих целей использовали официальные группы муниципалитетов в социальных медиа.

Тема адаптации социальных медиа для государственных нужд оказалась в фо­кусе научного внимания после выхода 21 января 2009 г. в США Меморандума о прозрачном и открытом правительстве [14]. Одним из основных исследователь­ских направлений по данной теме стало определение факторов, способствующих интеграции социальных медиа в работу местных администраций и использованию социальных медиа населением для коммуникации с органами власти [15], [16], [17], [18], [19], [20], [21], [22], [23]. Сле­дует заметить, что большинство проверяемых факторов в данных исследованиях оказываются незначимыми (например, уровень образования [20], [22]). Численность населения — это единственный фактор, находящий стабильное подтверждение значимости: чем больше численность населения, тем вероятнее наличие офици­альной страницы поселения в социальных медиа [21] и тем выше активность ад­министрации в социальных медиа [15], [17], [18], [20]. В зависимости от территории исследования часть выявленных значимых факторов имеет противоположные эф­фекты. Так, хорошее состояние муниципальных финансов повышает активность и качество работы местных властей в социальных медиа [16], [18], [20]. При этом в европейских странах на менее обеспеченных и менее развитых по уровню инфор­мационно-коммуникационных технологий территориях активность в социальных медиа выше [17]. Для Канады было показано, что более высокие доходы и обла­дание высокоскоростным подключением к Интернету являются признаками того, что жители предпочтут обратиться к местным властям с помощью социальных ме­диа [22]. В Испании и Италии — наоборот: чем беднее население, тем оно активнее на страницах местных органов власти в социальных медиа [20].

Определение факторов, способствующих появлению социальных медиа у органов государственной власти, остается за рамками российских исследований. Российские ученые помимо обсуждения общих вопросов использования социальных медиа в государственном управлении [24], [25] концентрируют внимание на взаимосвязи практики ведения официальных страниц глав регионов и уровня доверия населения к власти [26], [27], [28], [29]. Подобных исследований на уровне районов (округов) или поселений, где ведение учетных записей в социальных медиа осуществляется непосредственно главами, а не представителями пресс-служб, не обнаружено. Поэтому вопросы использования социальных медиа для организации взаимодействия органов государственного управления с гражданами применительно к местному самоуправлению в России в научной литературе остаются белым пятном.

Зарубежные и российские исследователи практически не уделяют внимания работе в социальных медиа представителей администраций в малонаселенных муниципалитетах, не включая их в выборочные совокупности, не используют картографические методы. Это не позволяет увидеть исследуемую территорию как единое цифровое пространство и не дает полного понимания проблем цифровизации на уровне поселений. Используемый нами подход предполагает сплошной охват официальных страниц в социальных медиа муниципальных районов, городских и муниципальных округов, городских и сельских поселений на территории Северо-Западного федерального округа России (далее СЗФО). Это дает возможность заполнить существующий пробел в научной литературе по проблемам оценки уровня цифровизации на муниципальном уровне и интеграции российских социальных медиа в работу органов местного самоуправления, а также установить факторы, влияющие на создание официальных групп местных администраций в социальных медиа в России.

Данные и методы

В качестве объекта исследования были выбраны официальные муниципальные группы в социальной сети «ВКонтакте» (далее ВК). Она является самым популярным социальным медиа в России5, и исторически сложилось, что население СЗФО предпочитает использовать ВК, а не «Одноклассники»6. Кроме того, «Одноклассники» являются наименее используемым социальным медиа среди глав субъектов РФ [30], которые служат ориентиром для органов местного самоуправления7. Хронологические рамки исследования включают период с 2011 по 2022 г. Выбор начала периода обусловлен появлением первых муниципальных групп в ВК на территории СЗФО. География исследования охватывает все муниципальные образования СЗФО за исключением г. Санкт-Петербурга. Это 199 городских округов и муниципальных районов8, 1083 городских и сельских поселения9. Следует заметить, что в обозначенный временной период происходило укрупнение муниципальных образований в первую очередь за счет объединения поселений друг с другом. С 2019 г. стала распространяться практика преобразования всех муниципальных образований в пределах района в один муниципальный округ. При этом в отдельных регионах вместо поселений появились территориальные управления (Вологодская область) или территориальные отделы (Архангельская и Новгородская области). Перечисленные обстоятельства усложнили работу на этапе сбора и обработки данных. Во-первых, по поселениям, вошедшим в состав муниципальных округов, перестала публиковаться официальная статистика. Во-вторых, для обеспечения сопоставимости пришлось пересчитывать исходные данные сразу по укрупненным поселениям.

Поиск официальных групп местных администраций в ВК осуществлялся по перечню муниципальных образований, существовавших на конец 2018 г.10 Алгоритм сбора групп состоял из трех итераций. На первом этапе поисковый запрос осуществлялся непосредственно в ВК по официальному названию муниципального образования. Если такая группа не находилась, переходили ко второму этапу — формировали поисковый запрос в «Яндексе» (например, «администрация поселения N в ВК», «официальная страница поселения N в ВК»). На третьем этапе искали ссылки на группы на официальных сайтах муниципальных образований. Если после третьего этапа группа не была обнаружена, то делали вывод о ее отсутствии. Во избежание ошибок, связанных с совпадением названий муниципальных образований, в каждой группе проверялось описание на соответствие требуемому региону (для районов) и району (для поселений).

Преимуществом российских социальных медиа является наличие специального «флажка», отмечающего государственные организации. Кроме того, до этого ново­введения подавляющее большинство районных групп получили «галочку», которая означает официально подтвержденную группу. Но для поселений такая практика ­была не характерна. Сбор информации по официальным группам в ВК осущест­влялся в январе 2023 г., помимо факта наличия группы фиксировалась дата ее соз­дания. Заметим, что за дату создания группы принималось не указанное в описании сообщества число, а дата первой записи на стене. Выбор такого варианта продик­тован следующими соображениями. От момента создания до начала работы по ин­формированию жителей могло пройти значительное время, или изначально группа могла быть закрытой и использоваться для коммуникации между работниками ад­министрации. На данном этапе основные трудности были связаны с идентификаци­ей официальных групп поселений. Для целей нашего исследования ориентироваться только на группы с «флажком» было бы ошибкой, поскольку не все найденные группы успели его получить11. Кроме того, для приобретения статуса «государственная организация» в 2023 г. отдельные поселения стали создавать новые группы. Такая практика была замечена в Ленинградской области. Поэтому в этих случаях для получения объективной картины и сроков начала использования социальных медиа для коммуникации с местными жителями учитывались старые группы. Для включения в исследование неподтвержденных групп требовалось, чтобы в них не было рекламы, а по содержанию описания группы и тематике сообщений на стене они были похожи на группы с «флажком». Персональные страницы глав, группы совета депутатов, группы территориальных общественных самоуправлений не учитывались.

Наш подход к исследованию предполагает изучение факторов цифровизации в двух административно-территориальных срезах — районы (округа)12 и поселения. Поэтому выбор социально-экономических показателей был ограничен их одновременным наличием в обоих уровнях в официальной статистике. Основу эмпирической базы исследования составила база данных Росстата «Показатели муниципальных образований». По ней были собраны следующие сведения: численность населения; площадь муниципального образования; численность муниципальных служащих; расходы бюджета; доходы бюджета; безвозмездные поступления в доходы бюджета; среднемесячная заработная плата работников организаций. Последний показатель в разрезе поселений с 2013 г. не публикуется. Для устранения этого недостатка была использована методика расчета его аналога на основе данных форм налоговой отчетности 5-НДФЛ [31]. По сервису «Яндекс Карты» были собраны кратчайшие расстояния по автомобильным дорогам от региональных13 и районных центров до входящих в них поселений. Помимо численности населения в качестве фактора планировалось использовать виртуальное население [32] — количество пользователей, зарегистрированных в ВК. Данный фактор не был включен в исследование из-за отсутствия возможности получить временные ряды по интересующим годам.

В дополнение к перечисленным социально-экономическим факторам была предпринята попытка учесть влияние лиц, принимающих решения на местах. По сведениям о кандидатах, размещенных на сайте Центральной избирательной комиссии, была собрана информация о главах муниципальных образований: ФИО; дата рождения; уровень образования; место жительства; место работы; должность; партийная поддержка при выдвижении. Заметим, что выбор главы муниципального образования в качестве лица, принимающего решения, не является наилучшим. Более подходящим вариантом был бы глава администрации муниципального образования как представитель исполнительной власти. С другой стороны, по российскому законодательству возможно совмещение этих должностей для муниципальных образований с населением менее 1000 чел., которых в нашей выборке 38 %. Отсутствие единообразного подхода к модели управления муниципальными образованиями на исследуемой территории и необходимость учитывать не только региональное законодательство, но и муниципальные акты на порядок усложняют задачу по идентификации этих лиц. Решающим фактором для отказа сбора данных по главам администрации стало отсутствие какого-либо достоверного набора сведений по ним. Следует заметить, что сам ретроспективный сбор данных о главах муниципальных образований оказался нетривиальной задачей из-за отсутствия в ряде муниципалитетов прямых выборов. В этом случае большую часть людей и сроков их пребывания в должности главы удалось установить с помощью архивных интернет-снимков официальных сайтов муниципалитетов (сервис web.archive.org) и заметок местных СМИ. Тем не менее по поселениям Ленинградской области удалось собрать сведения только по действующим главам.

Для проверки значимости факторов применялась бинарная логистическая регрессия (формула), где в качестве зависимой переменной использовалось не наличие у муниципального образования группы в ВК в текущем году, а ее создание: переменная VK равна 1, если группа появилась в текущем году, и 0 — во всех остальных случаях. Такое построение модели требует при переходе к следующему году исключать из сформированной пространственно-временной панели данных муниципальные образования, создавшие группы в ВК в предыдущий период. Для отображения региональных особенностей была введена факторная переменная «Регион». Переменная «Год» также является факторной: она аккумулирует в себе все институциональные изменения и события (например, COVID-19), изменившие отношение к социальным медиа. На поселенческом уровне при расчетах использовалась дополнительная бинарная переменная VKd, отвечающая за наличие в муниципальном районе, к которому относится поселение, группы в ВК (1 — группа существует, 0 — группа отсутствует). Если обе группы появились в течение одного года, то значение VKd зависело от того, какая группа появилась раньше.

VK = {Социально-экономичекие показатели} + {Сведения о главе} + Год + Регион

Подготовленные для проведения расчетов базы данных по муниципальным районам и по поселениям всего содержат 1373 и 11 562 наблюдения соответственно. По ряду показателей, особенно на поселенческом уровне, не получилось собрать всех значений (табл. 1, 2). Часть социально-экономических показателей за 2021 и 2022 гг. была еще не опубликована. Среди опубликованных данных по отдельным муниципальным образованиям значения оказались пропущены. Все показатели в стоимостном выражении были приведены к сопоставимому виду (в цены 2021 г.) с помощью региональных индексов потребительских цен. Приведенный в таблице 1 показатель «Доля бюджетной обеспеченности» был получен как отношение разности между доходами бюджета и безвозмездными поступлениями к расходам бюджета. Ожидается, что все переменные из таблицы 1, за исключением переменных с расстояниями (Dist, Dist_d, Dist_r), будут оказывать положительное влияние.


Описание социально-экономических переменных

Переменная

Описание переменной

Временной
период, гг.

Количество
наблюдений

Районы

Поселения

Pop

Численность населения, чел.

2011—2021

1344

10 816

Den

Плотность населения, чел. на га

2011—2021

1344

8796

Dist

Расстояние от районного до регионального центра по автомобильной дороге, км

2011—2022

1352

Cent

Поселение является районным центром: 0 — нет; 1 — да

2011—2022

11 562

Dist_d

Расстояние от поселения до районного центра по автомобильной дороге, км

2011—2022

11 331

Dist_r

Расстояние от поселения до регионального центра по автомобильной дороге, км

2011—2022

11 331

Sal

Среднемесячная заработная плата работников организаций, руб.

2013—2021

1086

Sal_t

Среднемесячная заработная плата работников организаций на основе налоговых форм 5-НДФЛ, руб.

2015—202114

6362

Rev

Доходы местного бюджета, фактически исполненные, тыс. руб.

2011—2020

1286

10 077

Exp

Расходы местного бюджета, фактически исполненные, тыс. руб.

2011—2020

1287

10 073

Ind

Доля бюджетной обеспеченности, %

2011—2020

1286

9978

Civ

Численность муниципальных служащих, чел.

2011—2021

1333

9549

Разработана на основе данных БД ПМО Росстата15, Федеральной налоговой службы16 и Яндекс Карты»17.


Таблица 2

Описание переменных по главам муниципальных образований

Описание переменных по главам муниципальных образований

Переменная

Описание переменной

Количество
наблюдений

Районы

Поселения

Age

Возраст, лет

1373

9941

Gender

Пол: мужской — 0; женский — 1

1373

9993

Location

Место жительства до назначения на должность: местный — 0; приезжий — 1

1363

9941

Education

Уровень образования: высшее; среднее специальное; среднее

1372

9993

Experience

Наличие опыта работы в администрации любого муниципального образования: отсутствует — 0; есть — 1

1373

9993

Rookie

Впервые занял пост главы данного муниципального образования: нет — 0; да — 1

1373

9993

Party

Наличие партийной поддержки на прямых выборах главы или на выборах совета депутатов: Единая Россия; КПРФ; ЛДПР; Патриоты России; Справедливая Россия; Яблоко; Самовыдвижение

1343

9887

Self-promotion

Шел на выборах как самовыдвиженец: нет — 0; да — 1

1343

9887

Разработана на основе данных Центральной избирательной комиссии Российской Федерации18.


В таблице 2 представлены переменные, сформированные на основе сведений о главах. Предполагается, что переменная Age будет иметь отрицательное влияние: чем моложе глава, тем выше вероятность появления группы в ВК. Наличие высшего образования должно увеличивать шансы использования социальных медиа. Хотя 61 % аудитории ВК составляют женщины, в рассматриваемых регионах СЗФО в настоящее время соотношение мужских и женских анкет составляет 49 против 51 %19, в 2015 г. — 53 против 47 %20. Поэтому мы не ожидаем, что переменная Gender будет оказывать какое-нибудь влияние. Помимо стандартных для подобных исследований характеристик (пола, возраста, партийной поддержки) [19; 21] была предпринята попытка проверить эффект «новичка», который мог изменить устоявшиеся управленческие практики. В обобщенном виде для этого использовалась переменная Rookie, характеризующая смену руководства в муниципальном образовании и первый год работы нового главы в должности. Первоначально хотелось оценить влияние срока пребывания в должности главы. Однако доступная для сбора информация на сайте Центральной избирательной комиссии ограничена 2006 г., что для решения такой задачи явно недостаточно. Переменные Experience и Location раскрывают другие возможные варианты, повышающие вероятность использования социальных медиа, при смене главы. Так, первая фиксирует наличие опыта работы в администрации любого муниципального образования. Для ее определения использовались данные не только по месту работы, но и по должности21. Предполагалось, что люди, не имеющие такого опыта, могут активнее использовать социальные медиа, поскольку они не привыкли действовать строго по регламенту. Вторая переменная сформирована на основе данных о месте проживания, в ней главы делились на местных жителей, зарегистрированных на территории муниципального образования22, и приезжих — новых для муниципалитета людей. С приезжим главой могли появиться привычные для его старого местопребывания, но новые для данного муниципалитета способы коммуникации. Кроме того, использование социальных медиа для него могло стать быстрым и доступным способом рассказать о себе и первых итогах работы всему населению.

В бинарную логистическую регрессию, включающую фактор года, поочередно подставлялись указанные переменные. Часть социально-экономических переменных использовалась в моделях как в исходном, так и в логарифмированном виде. Далее отбирались значимые переменные и по их комбинации строились новые модели. Основная задача этого этапа — проверка устойчивости направления влияния отобранных факторов. Отдельно для районов (округов) и поселений по отобранным социально-экономическим переменным проводилась кластеризация методом k-средних при помощи базового функционала программной среды R. Предвари­тельно по ним осуществлялась проверка на мультиколлинеарность, по результатам которой часть переменных была исключена из признаков кластеризации. Количе­ство кластеров определялось с помощью метода колена, реализованного в пакете «factorextra» для программной среды R. Идентификация муниципальных образова­ний, слабо использующих возможности сети Интернет в муниципальном управле­нии, проходила путем сопоставления районных и поселенческих кластеров.

Результаты

На 1 февраля 2023 г. в СЗФО у всех муниципальных районов (округов) и го­родских округов, кроме Новой Земли, были созданы официальные группы в ВК. Первенство принадлежит ЗАТО Мирному из Архангельской области23. Его группа появилась 30 июня 2011 г. До конца 2011 г. свои группы создали еще два муници­пальных образования. Более половины официальных сообществ в этой категории муниципальных образований было создано в период с 2017 по 2018 г. (рис. 1).

Рис_1.png

Рис. 1. Хронология создания групп в ВК в СЗФО на районном уровне, 2011—2021 гг.

Разработан на основе данных ВК24.


Следует заметить, что во всех субъектах СЗФО столицы не были пионерами этого процесса в своих регионах: от появления первой группы до создания официального сообщества в региональном центре проходило от двух до семи лет. На поселенческом уровне только 65 % муниципальных образований было представлено в ВК. Охват поселений группами варьируется в зависимости от региона: от 44,9 % в Республике Карелия до 100 % в Ненецком автономном округе (табл. 3).


Охват поселений группами в ВК по регионам СЗФО на 01.02.202325

Регион

Количество поселений

Доля поселений с группами в ВК, %

Ненецкий автономный округ

19

100

Республика Коми

159

91,2

Ленинградская область

187

89,8

Мурманская область

23

69,6

Архангельская область

178

55,6

Вологодская область

179

55,3

Новгородская область

120

52,5

Псковская область

111

45,9

Республика Карелия

107

44,9

Рассчитано на основе данных ВК26 и Росстата27.


В этой категории муниципальных образований процесс создания официальных групп также начался в 2011 г., и до 2016 г. их ежегодно появлялось менее двух десятков. С 2018 по 2020 г. в среднем прибавлялось по 76 новых групп. За 2021 и 2022 гг. количество официальных сообществ поселений в ВК увеличилось в 2,2 раза. Наибольший прирост был зафиксирован в 2022 г., когда в ВК появились страницы 248 поселений. Так, в Псковской области в 2022 г. образовались сразу 43 новые поселенческие группы, а до этого их было всего девять. Еще одной особенностью для этой категории муниципальных образований стало отсутствие в ряде районных центров собственных страниц. Предполагалось, что они должны быть опорными базами и ролевыми моделями для «подключения» к социальным медиа остальных поселений района, поскольку обладают большими ресурсами, в том числе могут позволить закрепить за конкретным специалистом только эту функцию. Но из-за существующей практики слияния администраций района и районного центра объединенной администрацией обычно ведется только официальная страница района. Наиболее ярко это проявилось в Ленинградской области (рис. 2), где только один районный центр представлен в ВК. В то же время практически все остальные поселения области обладают официальными группами.

Результаты расчетов бинарных логистических регрессий по данным районов и округов (табл. 4) показали значимость влияния факторов численности населения, уровня бюджетной обеспеченности, доходов и расходов бюджета. Чем выше значения этих факторов, тем выше вероятность появления в ВК официальной страницы муниципального образования. Кроме того, удалось подтвердить влияние главы на данный процесс. Если выбранный глава муниципального образования был приезжим или шел на выборы как самовыдвиженец, то вероятность создания официальной группы в ВК увеличивалась. В моделях все переменные по годам, кроме 2012 г., оказались значимы. По мере приближения к 2023 г. вероятность создания группы в ВК увеличивалась. Пик 2018 г. связан с целенаправленной работой региональных властей в Псковской и Новгородской областях, когда ВК-сообщества создавались практически одновременно по всему региону. Высокие значения 2020 и 2021 гг. можно объяснить реакцией на пандемию COVID-19, а также деятельностью ЦУРов и их стремлением «закрасить» все «белые пятна». Совместное использование перечисленных факторов показало устойчивость направления их влияния (модели 7 и 8 из табл. 4). Заметим, что принадлежность к конкретному региону и остальные факторы из таблиц 1 и 2 оказались незначимы.

Рис_2.png

Рис. 2. Хронология создания групп в ВК в Ленинградской области, 2011—2022 гг.

Разработан на основе данных ВК28.


Результаты расчетов бинарной логистической регрессии по данным муниципальных районов (округов) и городских округов в СЗФО, 2011—2021 гг.29

Переменные

Модель 1

Модель 2

Модель 3

Модель 4

Модель 5

Модель 6

Модель 7

Модель 8

Свобод­ный член

– 6,541***

– 4,719***

– 8,250***

– 8,141***

– 4,250***

– 4,688***

– 4,785***

– 7,449***

2012

1,133

1,128

1,142

1,140

0,724

1,116

1,129

1,806’

2013

1,809*

1,773*

1,782*

1,775*

1,486*

1,817*

1,775*

2,435*

2014

2,136**

2,095**

2,125**

2,120*

1,616*

2,149**

1,987*

2,769**

2015

1,977*

1,915*

2,044**

2,044**

1,514*

1,979*

1,875*

2,682*

2016

2,660***

2,570***

2,706***

2,698***

2,186***

2,587***

2,522***

3,290**

2017

3,475***

3,405***

3,544***

3,537***

3,034***

3,499***

3,369***

4,190***

2018

5,267***

5,164***

5,354***

5,347***

4,816***

5,289***

5,160***

6,060***

2019

4,819***

4,729***

4,885***

4,878***

4,363***

4,736***

4,734***

5,543***

2020

5,174***

5,243***

5,416***

5,411***

4,761***

5,093***

5,308***

5,978***

2021

6,303***

5,859***

6,297***

7,218***

Логарифм Pop

0,194*

0,193*

Ind

0,006*

0,006*

Логарифм Rev

0,261**

Логарифм Exp

0,254**

Location

0,535*

0,516*

0,535*

Self-promotion

0,427’

0,619*

AIC

824,39

782,12

778,01

778,87

836,15

802,94

774,21

769,69

Количество наблюдений

1344

1286

1286

1287

1362

1342

1276

1304

Уровень значимости: ’ p < 0,1; * p < 0,05; ** p < 0,01; *** p < 0,001.

Рассчитано на основе данных таблиц 1 и 2.


На основе поселенческих данных удалось подтвердить значимость численности населения, уровня среднемесячной заработной платы работников организаций на основе налоговых форм 5-НДФЛ, размеров дохода и расхода бюджета, количества муниципальных служащих, расстояния до регионального центра, принадлежности к районному центру и возраста главы (табл. 5).

Вопреки первоначальным ожиданиям принадлежность к районному центру снижает вероятность появления у поселения группы в ВК. Причина заключается в упомянутой практике объединения администраций. Остальные факторы ведут себя предсказуемо: высокие значения показателей по доходам и расходам бюджета, численности населения, количеству муниципальных служащих и средней заработной плате повышают вероятность появления группы в ВК. По мере удаленности от регионального центра эта вероятность снижалась. В отличие от районных глав для глав поселений единственной значимой характеристикой оказался возраст. В поселениях с более молодыми главами вероятность появления официальной страницы увеличивается. Большинство факторов года оказалось значимым. Начиная с 2014 г. обозначился четкий тренд на увеличение вероятности появления страницы поселения в ВК. При этом наиболее сильным стимулом на исследуемом временном отрезке оказалось изменение российского законодательства в 2022 г. Принадлежность поселения к Ленинградской области, Республике Коми и Ненецкому автономному округу повышает вероятность появления его страницы в ВК, в то время как принадлежность к Псковской области будет ее снижать. Принадлежность поселений к оставшимся регионам оказалась незначимой. На поселенческом уровне незначимым оказался уровень бюджетной обеспеченности, поскольку его значения от года к году могут очень сильно меняться. Отсутствие влияния показателей «расстояние до районного центра» и «наличие у района группы в ВК» (VKd) демонстрирует отсутствие налаженного взаимодействия по вопросам социальных медиа между районными и поселенческими властями.

Отдельно были построены модели, сочетающие в себе комбинации указанных значимых переменных, за исключением сильно коррелированных между собой переменных (доходы бюджета, расходы бюджета, численность населения, количество муниципальных служащих). Они показали как устойчивость направления влияния отобранных факторов, так и их значимость (табл. 6).


Результаты расчетов бинарной логистической регрессии по поселениям в СЗФО: одна переменная и фактор года, 2011—2022 гг.

Переменные

Модель 9

Модель 10

Модель 11

Модель 12

Модель 13

Модель 14

Модель 15

Модель 16

Модель 17

Модель 18

Модель 19

Свободный член

– 4,586***

– 5,630***

– 7,568***

– 9,192***

– 9,228***

– 4,549***

– 9,288***

– 6,204***

– 5,426***

– 4,490***

– 5,057***

2012 г.

0,411

0,411

0,416

0,452

0,459

0,237***

0,412

0,412

– 0,061

2013 г.

– 0,685

– 0,685

– 0,677

– 0,652

– 0,643

– 0,582

– 0,685

– 0,684

– 0,759

2014 г.

1,410*

1,344*

1,357*

1,341*

1,342*

1,652**

1,275*

1,275*

1,667*

2015 г.

1,289*

1,287*

1,306*

1,398*

1,388*

1,669**

1,288*

1,290*

1,762*

2016 г.

1,665**

1,665**

1,690**

1,817**

1,809**

0,377

0,374

1,891***

1,613**

1,616**

2,247**

2017 г.

2,102***

2,100***

2,130***

2,249***

2,249***

0,812*

0,810*

2,389***

2,100***

2,105***

2,593***

2018 г.

3,156***

3,147***

3,195***

3,310***

3,314***

1,848***

1,830***

3,466***

3,140***

3,151***

3,302***

2019 г.

3,101***

3,098***

3,157***

3,257***

3,255***

1,820***

1,801***

3,463***

3,099***

3,113***

3,213***

2020 г.

3,353***

3,397***

3,476***

3,520***

3,519***

2,070***

2,036***

3,804***

3,338***

3,355***

3,794***

2021 г.

4,146***

4,170***

4,262***

3,009***

2,971***

4,689***

4,130***

4,154***

4,585***

2022 г.

5,243***

5,120***

5,147***

5,707***

Cent

– 0,932***

Pop

0,000008’

Логарифм Pop

0,255***

Логарифм Rev

0,345***

Логарифм Exp

0,349***

Sal_t

0,00001*

Логарифм Sal_t

0,496**

Civ

0,069***

Dist_r

– 0,0007**

Логарифм Dist_r

– 0,218***

Age

– 0,020***

AIC

4049

3198,4

3161,3

2442,7

2441,3

2808,5

2801,9

2721,7

4011,7

3997,3

3530,5

Количество наблюдений

11 538

10 816

10 816

10 070

10 073

6362

6362

9549

11 331

11 331

9941

Уровень значимости: ’ p < 0,1; * p < 0,05; ** p < 0,01; *** p < 0,001.

Рассчитано на основе данных таблиц 1 и 2.


Результаты расчетов бинарной логистической регрессии по поселениям в СЗФО: несколько переменных и фактор года, 2011—2022 гг.

Переменные

Модель 20

Модель 21

Модель 22

Модель 23

Модель 24

Модель 25

Модель 26

Модель 27

Модель 28

Модель 29

Модель 30

Свободный член

– 5,092***

– 8,740***

– 10,705***

– 10,662***

– 3,826***

– 3,799***

– 8,845***

– 8,643***

– 10,974***

– 5,538***

– 4,054***

2012 г.

– 0,060

– 0,039

0,062

0,073

– 0,161

– 0,054

2013 г.

– 0,756

– 0,731

– 0,658

– 0,645

– 0,786

– 0,752

2014 г.

1,669*

1,708*

1,666*

1,671*

1,803*

1,577*

2015 г.

1,764*

1,813*

2,020**

2,003**

2,006**

1,767*

2016 г.

2,248**

2,312**

2,596***

2,576***

0,478*

0,479

0,473

0,475

0,491

2,348**

2,197**

2017 г.

2,596***

2,672***

2,939***

2,942***

0,824***

0,826*

0,818*

0,821*

0,852*

2,696***

2,602***

2018 г.

3,287***

3,415***

3,634***

3,642***

1,510***

1,496***

1,485***

1,472***

1,568***

3,408***

3,296***

2019 г.

3,201***

3,272***

3,362***

3,359***

1,433***

1,427***

1,402***

1,397***

1,432***

3,270***

3,216***

2020 г.

3,841***

3,955***

3,972***

3,970***

2,024***

2,026***

1,978***

1,981***

2,074***

3,987***

3,795***

2021 г.

4,626***

4,775***

2,964***

2,967***

2,914***

2,919***

3,080***

4,832***

4,612***

2022 г.

5,695***

Cent

– 0,989***

– 1,749***

– 1,524***

– 1,525***

– 0,683***

– 0,992***

– 0,727**

– 1,024***

– 1,857***

– 0,758**

– 0,844***

Pop

0,000024**

0,000021*

0,00002*

Логарифм Pop

0,525***

0,533***

Логарифм Rev

0,560***

Логарифм Exp

0,561***

Sal_t

0,000010*

0,000010’

Логарифм Sal_t

0,524**

0,505**

0,374*

Civ

0,114***

Логарифм Dist_r

– 0,176***

Age

– 0,019**

– 0,022***

– 0,017*

– 0,017*

– 0,013*

– 0,014*

– 0,012*

– 0,0134*

– 0,017**

– 0,0194**

– 0,020***

AIC

2629,6

2566,5

1906,2

1905,4

2381

2370,9

2374,7

2364,9

2301,9

2209,5

3417,9

Количество наблюдений

9203

9203

8478

8480

5596

5591

5596

5591

5591

8060

9713

Уровень значимости: ’ p < 0,1; * p < 0,05; ** p < 0,01; *** p < 0,001.

Рассчитано на основе данных таблиц 1 и 2.


Для муниципальных районов (округов) и городских округов была проведена кластеризация по численности населения за 2021 г. и среднему уровню бюджетной обеспеченности за 2015—2020 гг. Из-за отсутствия данных 11 муниципальных об­разований были исключены из кластеризации. Оставшиеся были разбиты на четы­ре группы (рис. 3).


Рис_3.png

Рис. 3. Кластеры по муниципальным районам (округам) и городским округам, 2021 г.

Рассчитано на основе данных таблицы 1.


Наименьшее число муниципальных образований оказалось в кластере D4, в который вошли Ненецкий автономный округ и Новая Земля. Это самые трудно­доступные и малозаселенные территории с лучшими показателями бюджетной обеспеченности (табл. 7). По возрастанию количества участников следующим идет кластер D2. В его состав входят все самые населенные муниципальные образова­ния: региональные центры (кроме Нарьян-Мара); Череповецкий и Северодвинский городские округа; три муниципальных района Ленинградской области. Остальные муниципалитеты составляют две большие группы. При сравнении признаков кла­стеризации между ними кластер D3 полностью превосходит D1. По сути, кластер D1 составляют самые слабые в экономическом плане муниципалитеты. Нельзя ска­зать, что в каком-то из получившихся кластеров процесс создания официальных страниц в ВК шел быстрее. Раньше всех справились представители кластера D2: последняя группа была зарегистрирована в 2020 г. В кластерах D1 и D3 этот про­цесс завершился на год позже. При этом до 2018 г., когда центральная власть стала уделять этому вопросу большое внимание, процесс создания групп шел активнее в кластере D3, чем в D1.

На поселенческом уровне в качестве признаков кластеризации были выбраны численность населения, средняя заработная плата, расстояние до регионального центра и принадлежность к районному центру. Для проведения кластерного анализа пришлось исключить 96 поселений из-за отсутствия данных. Из-за отсутствия данных по поселениям также была исключена Калининградская область, поскольку в 2018 г. она полностью состояла из городских округов. Здесь также было сформировано четыре кластера (рис. 4).


Описательная статистика кластерных групп по муниципальным районам (округам) и городским округам

Кластер

Количество
муниципальных образований

Показатель

Среднее

Медиана

Минимум

Максимум

D1

96

Численность населения, чел.

14 631,1

12 970,5

3551,0

52 192,0

Бюджетная самостоятельность, %

23,0

23,7

11,3

31,8

D2

13

Численность населения, чел.

294 905,4

279 064,0

180 668,0

506 289,0

Бюджетная самостоятельность, %

42,9

39,3

31,5

58,5

D3

76

Численность населения, чел.

38 763,2

33 966,5

6636,0

120 734,0

Бюджетная самостоятельность, %

37,6

36,5

26,2

55,6

D4

3

Численность населения, чел.

16 070,7

18 745,0

3672,0

25 795,0

Бюджетная самостоятельность, %

81,7

79,7

74,2

91,1

Рассчитано на основе данных таблицы 1.


Рис_4.png

Рис. 4. Кластеры по поселениям, 2021 г.

Рассчитано на основе данных таблицы 1.


Среди образовавшихся кластеров поселений наименьший охват официальными группами в ВК наблюдается у кластера M3 (табл. 8). В него вошли все районные центры СЗФО и ряд поселений Всеволожского района Ленинградской области, подверженных сильному агломерационному влиянию г. Санкт-Петербурга. Отли­чительной чертой этого кластера является высокая численность населения. Доста­точно очевидно, что подавляющее число участников этой группы было бы пред­ставлено в ВК, если бы не оптимизация органов местного самоуправления. Кластер M4 обладает наибольшим процентом поселений с официальными страницами в ВК. У его представителей самые высокие средние заработные платы и наибольшая численность населения среди нерайонных центров. Поселения кластера M4 нахо­дятся в относительной близости от регионального центра, в половине случаев рас­стояние до него по автомобильной дороге составляет менее 100 км. В кластере M2 более 70 % поселений обладают группами в ВК. В среднем это самые удаленные от регионального центра муниципальные образования, малонаселенные, со средними доходами. Самым большим по числу участников является кластер M1. В ВК пред­ставлено 63 % его поселений, значительная часть из которых создала официаль­ную страницу в период с 2021 по 2022 г. В этом кластере собраны малонаселенные поселения с низкой заработной платой и средней удаленностью от регионального центра. Исходя из наших расчетов, такое сочетание факторов не способствовало появлению у поселения собственной группы в ВК.


Описательная статистика кластерных групп по поселениям

Кластер

Количество поселений

% поселений
с группой

Показатель

Среднее

Медиана

Минимум

Максимум

M1

404

63,4

Численность населения, чел.

1294,2

992,5

80

6198

Расстояние до регионального центра, км

221,2

211

9

580

Среднемесячная заработная плата работников организаций на основе налоговых форм 5-НДФЛ, руб.

19 254,0

18 995,8

9327,6

30 006,5

M2

98

71,4

Численность населения, чел.

1084,8

703,5

75

4550

Расстояние до регионального центра, км

588,6

585

390

890

Среднемесячная заработная плата работников организаций на основе налоговых форм 5-НДФЛ, руб.

27 561,7

26 815,8

20 524,9

38 826,4

M3

127

41,7

Численность населения, чел.

15 051,1

8009

1973

90 571

Расстояние до регионального центра, км

215,9

178

8

808

Среднемесячная заработная плата работников организаций на основе налоговых форм 5-НДФЛ, руб.

28 586,9

28 379,8

16 268,5

49 773,9

M4

358

79,3

Численность населения, чел.

3941,3

2116

85

31 127

Расстояние до регионального центра, км

127,2

96,5

6

740

Среднемесячная заработная плата работников организаций на основе налоговых форм 5-НДФЛ, руб.

30 701,8

28 246,9

19 232,6

72 463,3

Рассчитано на основе данных таблицы 1.


Сопоставление муниципальных образований, входящих в кластеры D1 и M1, позволило выявить поселения, для которых более характерно слабое использование возможностей сети Интернет в муниципальном управлении (рис. 5). Из 404 поселений, входящих в кластер M1, 242 попадают в состав муниципальных районов из кластера D1. Больше всего таких поселений в Республике Коми (47), Псковской (68) и Вологодской (51) областях.


Рис_5.png

Рис. 5. Потенциально сложные для цифровизации поселения

Рассчитано на основе данных рисунков 3 и 4.

Обсуждение и заключение

Результаты исследования показали, что в рассматриваемых административно-территориальных срезах внедрение социальных медиа в работу местных администраций проходило с разной скоростью. Районный уровень опережает поселенческий на четыре года. Во многом это объясняется бо́льшим вниманием к районам (округам) со стороны региональных властей. Несмотря на наличие законодательно закрепленных требований, еще более 30 % поселений остаются не представленными в ВК. Нельзя оставить без внимания то, что группа «отстающих» неоднородна. Во-первых, в ней присутствуют районные центры, в которых объединенная администрация ведет только официальную страницу муниципального района30. На наш взгляд, это серьезная недоработка, поскольку проблемы, события и вопросы, волнующие жителей района и районного центра, могут существенным образом различаться. Так, сельским жителям района вряд ли будет полезна информация о графике отключения горячей воды в городе в летний период, а жителям районного центра — информация о маршруте и графике приема мобильной стоматологии в малых населенных пунктах района. Кроме того, районный центр может создавать большое количество информационных поводов, и для обеспечения баланса между его и районными сообщениями на общей странице часть потенциальных сообщений по центру может быть не опубликована. В итоге интересы жителей районного центра растворяются в текущих вопросах района, что приводит к ухудшению коммуникации местных органов власти с населением31. Во-вторых, сюда попали поселения, объединенные в муниципальные округа. Формально на них требования законодательства по присутствию в социальных медиа не распространяются. В зависимости от региона вместо поселенческих групп ведутся официальные страницы территориальных отделов или управлений. Такую практику можно только приветствовать. Однако в отсутствие единых стандартов и правил она не является повсеместной, и в ней наблюдаются тенденции по оптимизации количества групп.

Среди факторов, положительное повлиявших на создание официальных групп в ВК, общими для всех типов муниципальных образований оказались численность населения, размер доходов и расходов бюджета. Но при этом в обоих случаях плотность населения незначима. Для районов и округов оказался значимым уровень бюджетной обеспеченности, а для поселений — размер средней заработной платы. Оба показателя отражают уровень активности местной экономики. Таким образом, для СЗФО наблюдается прямая связь между успешным экономическим развитием территории и наличием официальной страницы в социальных медиа. Фактор расстояния оказался значимым только на поселенческом уровне. Удаленность поселения от регионального центра снижает вероятность появления у него собственной группы в ВК. Расстояние от поселения до районного центра никак не влияет на присутствие в социальных медиа, как и не сказывается на этом наличие собственной группы ВК у района. На основании изложенного можно сделать вывод о том, что районные власти не принимают деятельного участия в управлении процессом внедрения социальных медиа в работу поселенческих администраций. В результате координацией этого процесса вынужден заниматься региональный центр. У представителей отдаленных местных администраций меньше возможностей ездить туда на учебу и повышение квалификации, поскольку для них такая поездка обходится дороже и занимает больше времени, которого они зачастую не могут выделить из-за высокой загруженности текущей работой. Поэтому для решения этой проблемы сотрудникам ЦУРов следует устраивать выездные семинары.

Наши расчеты показали, что помимо воздействия социально-экономических характеристик на появление группы в ВК существует зависимость от главы муниципального образования. Его влияние проявляется по-разному для районов (округов) и поселений. Для поселенческого уровня значимым фактором оказался возраст: более молодые главы охотнее внедряли в работу социальные медиа. Можно предположить, что из-за маленького штата работников в администрации поселения более вероятно, что именно глава будет лично вести социальные медиа. Для районного уровня значимым оказался эффект «новичка» в виде приезжего главы. Появлению страницы в ВК могла способствовать необходимость нового главы познакомиться с местным населением и показать результаты своей работы. Другой значимой характеристикой для главы района (округа) стала победа на муниципальных выборах в качестве самовыдвиженца, для которого необходима хорошая коммуникация с населением.

По итогам кластеризации по значимым социально-экономическим факторам были выявлены территории, требующие повышенного внимания в вопросе развития цифровых технологий. Они составляют четверть всех поселений СЗФО. Наиболее отстающим регионом по использованию социальных медиа в работе местных администраций оказалась Псковская область. Уделить внимание надо также Новгородской и Вологодской областям. В Архангельской области, Республиках Карелии и Коми наблюдаются локальные концентрации уязвимых поселений. Таким образом, в результате проведенного анализа выявлены территории в регионах СЗФО, для которых является актуальной информационная, консультационная, образовательная и инфраструктурная поддержка ЦУРов и реализация различных мероприятий по повышению цифрового присутствия в социальных медиа.


Исследование выполнено при финансовой поддержке проекта Российского научного фонда № 23-28-00685 «Цифровой разрыв и местные администрации: взгляд через социальные медиа» (https://rscf.ru/project/23-28-00685/).



Список литературы

1.
Ашманов, И., Касперская, Н. 2022, Цифровая гигиена, СПб., Изд-во Питер.
2.
Zavattaro, S. M., Sementelli, A. J. 2014, A critical examination of social media adoption in government: Introducing omnipresence, Government Information Quarterly, vol. 31, № 2, p. 257— 264, https://doi.org/10.1016/j.giq.2013.10.007
3.
Михайлова, А. А., Хвалей, Д. В. 2023, География мобильного интернета в пригранич­ных регионах России, Балтийский регион, т. 15, № 3, с. 140—166, https://doi.org/10.5922/2079-8555-2023-3-8
4.
Земцов, С. П., Демидова, К. В., Кичаев, Д. Ю. 2022, Распространение интернета и ме­жрегиональное цифровое неравенство в России: тенденции, факторы и влияние пандемии, Балтийский регион, т. 14, № 4, с. 57—78, https://doi.org/10.5922/2079-8555-2022-4-4
5.
Степанова, В. В., Уханова, А. В., Григорищин, А. В., Яхяев, Д. Б. 2019, Оценка цифро­вых экосистем регионов России, Экономические и социальные перемены: факты, тенден­ции, прогноз, т. 12, № 2, с. 73—90, https://doi.org/10.15838/esc.2019.2.62.4
6.
Архипова, М. Ю., Сиротин, В. П., Сухарева, Н. А. 2018, Разработка композитного ин­дикатора для измерения величины и динамики цифрового неравенства в России, Вопросы статистики, т. 25, № 4, с. 75—87. EDN: XMGGDZ
7.
Briglauer, W., Dürr, N. S., Falck, O., Hüschelrath, K. 2019, Does state aid for broadband de­ployment in rural areas close the digital and economic divide? Information Economics and Policy, vol. 46, p. 68—85, https://doi.org/10.1016/j.infoecopol.2019.01.001
8.
Muñoz-Cañavate, A., Hípola, P. 2011, Electronic administration in Spain: From its beginnings to the present, Government Information Quarterly, vol. 28, № 1, p. 74—90, https://doi.org/10.1016/j.giq.2010.05.008
9.
Михайлова, А. А. 2022, Межмуниципальные различия в цифровой восприимчивости населения, Мониторинг общественного мнения: экономические и социальные перемены, № 4, с. 222—246, https://doi.org/10.14515/monitoring.2022.4.2006
10.
Quaglione, D., Matteucci, N., Furia, D., Marra, A., Pozzi, C. 2020, Are mobile and fixed broadband substitutes or complements? New empirical evidence from Italy and implications for the digital divide policies, Socio-Economic Planning Sciences, vol. 71, 100823, https://doi.org/10.1016/j.seps.2020.100823
11.
Ивашиненко, Н. Н., Теодорович, М. Л., Варызгина, А. А. 2020, Цифровое неравен­ство: интернет-технологии в активизации потребительского поведения, Logos et Praxis, т. 19, № 3, с. 27—36, https://doi.org/10.15688/lp.jvolsu.2020.3.3
12.
Секушина, И. А. 2022, Цифровизация малых и средних городов Европейского Севера России: тенденции и перспективы, Экономические и социальные перемены: факты, тенденции, прогноз, т. 15, № 6, с. 124—138, https://doi.org/10.15838/esc.2022.6.84.7
13.
Прокопьев, Е. А., Курило, А. Е., Губина, О. В. 2019, Формирование цифрового про­странства на муниципальном уровне: обзор сайтов поселений, Экономические и социаль­ные перемены: факты, тенденции, прогноз, т. 12, № 5, с. 76—90, https://doi.org/10.15838/esc.2019.5.65.5
14.
Mergel, I. 2012, The social media innovation challenge in the public sector, Information Polity, vol. 17, № 3, 4, p. 281—292, https://doi.org/10.3233/IP-2012-000281
15.
Cho, S., Mossberger, K., Swindell, D., Selby, J. D. 2021, Experimenting with Public Engagement Platforms in Local Government, Urban Affairs Review, vol. 57, № 3, p. 763—793, https://doi.org/10.1177/1078087419897821
16.
Gellerstedt, M., Norström, L., Bernhard, I., Gråsjö, U., Snis, U. L. 2020, Do Municipal Facebook32 Performance and Citizen Satisfaction go Hand in Hand? Electronic Journal of e-Government, vol. 18, № 1, https://doi.org/10.34190/EJEG.18.1.003
17.
Bonsón, E., Royo, S., Ratkai, M. 2017, Facebook Practices in Western European Municipalities: An Empirical Analysis of Activity and Citizens’ Engagement, Administration & Society, vol. 49, № 3, p. 320—347, https://doi.org/10.1177/0095399714544945
18.
Criado, J. I., Rojas-Martín, F., Gil-Garcia, J. R. 2017, Enacting social media success in local public administrations: An empirical analysis of organizational, institutional, and contextual factors, International Journal of Public Sector Management, vol. 30, № 1, p. 31—47, http://dx.doi.org/10.1108/IJPSM-03-2016-0053
19.
Gao, X., Lee, J. 2017, E-government services and social media adoption: Experience of small local governments in Nebraska state, Government Information Quarterly, vol. 34, № 4, p. 627—634, https://doi.org/10.1016/j.giq.2017.09.005
20.
Guillamón, M.-D., Ríos, A.-M., Gesuele, B., Metallo, C. 2016, Factors influencing social media use in local governments: The case of Italy and Spain, Government Information Quarterly, vol. 33, № 3, p. 460—471, https://doi.org/10.1016/j.giq.2016.06.005
21.
Lev-On, A., Steinfeld, N. 2015, Local engagement online: Municipal Facebook pages as hubs of interaction, Government Information Quarterly, vol. 32, № 3, p. 299—307, https://doi.org/10.1016/j.giq.2015.05.007
22.
Reddick, C. G., Jaramillo, P. A. 2014, New digital media use and preferences for government: a survey of Canadians, Electronic Government, an International Journal, vol. 11, № 1/2, p. 39—58, https://doi.org/10.1504/EG.2014.063313
23.
Larsson, A. O. 2013, Bringing it all back home? Social media practices by Swedish municipalities, European Journal of Communication, vol. 28, № 6, p. 681—695, https://doi.org/10.1177/0267323113502277
24.
Боев, Е. И., Зотов, В. В., Василенко, Л. А. 2023, Цифровизация публичного управления: экспертная рефлексия проблем и вызовов, Цифровая социология, т. 6, № 1, с. 4—12, https://doi.org/10.26425/2658-347X-2023-6-1-4-12
25.
Василенко, Л. А., Зотов, В. В., Захарова, С. А. 2020, Использование потенциала соци­альных медиа в становлении участвующего управления, Вестник Российского университе­та дружбы народов. Сер.: Социология, т. 20, № 4, с. 864—876, https://doi.org/10.22363/2313-2272-2020-20-4-864-876
26.
Зимова, Н. С., Фомин, Е. В., Смагина, А. А. 2020, Социальные сети как новый канал взаимодействия общества и власти, Научный результат. Социология и управление, т. 6, № 2, с. 159—171, https://doi.org/10.18413/2408-9338-2020-6-2-0-11
27.
Сытых, Е. Л., Кравцова, А. В. 2020, Социальные сети как политический ресурс (на примере Instagram33-аккаунта губернатора Челябинской области А. Л. Текслера), Научный ежегодник Центра анализа и прогнозирования, № 1, с. 195—200. EDN: YELSUI
28.
Кондратьева, О. Н., Чернова, Ж. В. 2019, Самопрезентация политика в социальных сетях (на материале официальной страницы в социальной сети «Вконтакте» губернатора Кемеровской области Сергея Цивилева), Вестник Новосибирского государственного университета. Сер.: История, филология, т. 18, № 6, с. 129—138, https://doi.org/10.25205/1818-7919-2019-18-6-129-138
29.
Митяева, Ю. А., Чернышов, Ю. Г. 2013, Использование социальных сетей и блогов в формировании имиджа губернаторов Юго-Западной Сибири, Известия Алтайского государ­ственного университета, № 4-1, с. 281—286. EDN: RAGJGB
30.
Филатова, О. Г. 2020, Главы российских регионов в социальных сетях: аудит пу­бличных коммуникаций, PR и реклама в изменяющемся мире: региональный аспект, № 23, с. 6—16. EDN: FTADBA
31.
Прокопьев, Е. А. 2023, Средняя заработная плата в Северо-Западном федеральном округе: оценка территориальных диспропорций на поселенческом уровне, Регионология, т. 31, № 2, с. 335—356, https://doi.org/10.15507/2413-1407.123.031.202302.335-356
32.
Замятина, Н. Ю., Яшунский, А. Д. 2018, Виртуальная география виртуального насе­ления, Мониторинг общественного мнения: Экономические и социальные перемены, № 1, с. 117—137, https://doi.org/10.14515/monitoring.2018.1.07
Ключевые слова
Аннотация
Статья
Список литературы